[发明专利]一种多机器人协同的汽车零配件焊接最优路径规划方法

摘要

本发明公开了一种多机器人协同的汽车零配件焊接最优路径规划方法，包括步骤：焊点信息预处理步骤；基于协同进化的混合遗传‑粒子群优化算法的焊点路径规划步骤；焊点路径规划信息转化为焊接机器人的运动路径步骤。本发明方法将遗传算法和粒子群优化算法相结合，基于遗传算法的突变特点可以增加粒子群算法迭代过程中的粒子群多样性和全局搜索能力，能够解决汽车零配件生产过程中焊接路径最优规划问题。

主权项

1.一种多机器人协同的汽车零配件焊接最优路径规划方法，其特征在于，包括以下步骤：S1、焊点信息的预处理步骤；S2、焊点路径规划步骤：在获得焊接任务的焊点信息之后，确认总体焊点信息C＝(c₁,c₂,c₃,…,c_n)，其中c_i表示不同焊点；根据焊接机器人的数量确定焊接任务T＝(T₁,T₂,T₃,…,T_n)，其中T_i为单台机器人的焊接任务；使用基于协同进化的混合遗传‑粒子群优化算法，将焊接任务T的焊点信息作为输入的数据进行计算处理，经过迭代运算之后，得出满足要求的焊接路径；具体包括：S21、粒子群初始化：针对焊接任务T_i，初始化焊接机器人的粒子群，群体初始规模m，并对每台焊接机器人的焊接点进行编码，对每台焊接机器人，按焊接点编号的编码生成初始粒子群{θ₁,θ₂,θ₃,…,θ_m}，其中每个粒子θ_i代表一条焊接路径；S22、对给定的焊接任务确定多目标优化函数，然后根据路径目标优化函数建立适应度评价函数；S23、粒子群适应度评价：不同焊接机器人之间的路径由全局适应度函数评估，判断两台焊接机器人之间在运动过程发生干涉和焊点分配是否合理；对于任一粒子群，随机选择种群合作者，进行全局适应度评价，如果满足条件则输出结果，否则执行步骤S24；S24、将初始化的所有粒子作为遗传算法的初始解，使用遗传算法获得一个全局最优解gabest；S25、粒子群更新迭代操作，每台焊接机器人，对于每个粒子群，计算每个粒子θ_i的适应度，并根据适应度评价计算个体最优解pbest_i和全局最优解gbest；然后进行焊接机器人粒子群进化操作；S26、更新得到新一代的粒子群，判断是否满足终止条件，若不满足终止条件，则返回步骤S24，否则跳转到步骤S23；S27、综合每个子问题的解，综合每台焊接机器人的路径得到完整结果；S3、焊点路径规划转化为焊接机器人运动轨迹的步骤。